Wersjonowanie
Zestawy danych, kod i artefakty modeli powinny być śledzone razem, aby można było odtworzyć dowolny trening i porównać wyniki w czasie.
CI/CD dla ML
Automatyczne testy jednostkowe kodu, testy danych (np. oczekiwane schematy i rozkłady) oraz walidacja metryk przed promocją modelu na produkcję.
Drift i monitoring
Zmiana rozkładu danych wejściowych lub relacji z etykietą może obniżyć skuteczność bez awarii infrastruktury — alerty na metryki biznesowe i jakościowe są kluczowe.
Perspektywa QA
Testowanie systemów ML obejmuje nie tylko API, lecz także regresję modelu, uczciwość próbek i zgodność z politykami prywatności danych treningowych.